過去から未来までの文脈を考慮した神経回路モデルによるロボットの目標に基づいた柔軟な行動生成

抄録

予測符号化をはじめとした脳の計算理論の発展に伴い, 人の基礎的な知覚・行動原 理について理解が進められている. 特にロボットを用いた試みでは，再帰型神経回 路モデル (RNN) を備えたロボットによる環境適応や未来の目標に応じた動作生成 について調べられてきたが，様々な行動の可能性がある中での目標に応じた柔軟な 行動生成についてはよく調べられていない. 本研究では予測符号化によってロボッ トの目標に応じた柔軟な行動の生成が可能であることを示すことを目的とした. 実 験では過去の環境から未来の目標状態までの予測誤差を考慮した適応機構を持つ RNN をロボットに実装し，実験者とのブロック受け渡しタスクを行なわせた. 結 果，環境と目標に応じた行動探索が可能であることが確認され，目標を達成するよ うな効率的な未学習の動作が観察されることもあった. この結果は，未来状況を含 めた予測誤差最小化により目標に応じた柔軟な行動生成が説明できることを示すと ともに，他者との協調行動の理解にも示唆を与える.